hashCode 为什么乘以 31？深入理解 hashCode 和 hash 算法 |
您所在的位置：网站首页 › 字符串哈希取模 › hashCode 为什么乘以 31？深入理解 hashCode 和 hash 算法 |
hashCode 为什么乘以 31？深入理解 hashCode 和 hash 算法
|
摘要 1. 二进制计算的一些基础知识 2. 为什么使用 hashcode 3. String 类型的 hashcode 方法 4. 为什么大部分 hashcode 方法使用 31 5. HashMap 的 hash 算法的实现原理（为什么右移 16 位，为什么要使用 ^ 位异或） 6. HashMap 为什么使用 & 与运算代替模运算？ 7. HashMap 的容量为什么建议是 2的幂次方？ 8. 我们自定义 HashMap 容量最好是多少？ 前言 HashMap 高度依赖的 hashcode 和 hash 算法，虽然在很多书里面，都说这是数学家应该去研究的事情，但我想，程序员也应该了解他是怎么实现的。为什么这么做？就像娶老婆，你可能做不到创造老婆，但是你得知道你老婆是怎么来的？家是哪的？为什么喜欢你？扯远了，回来，那么今天我们就开始吧！ 1. 二进制计算的一些基础知识 首先，因为今天的文章会涉及到一些位运算，因此楼主怕大家忘了（其实楼主自己也忘了），因此贴出一些位运算符号的意思，以免看代码的时候懵逼。 1. : 右移运算符，num >> 1,相当于num除以2 高位补03. >>> : 无符号右移，忽略符号位，空位都以0补齐4. % : 模运算 取余5. ^ : 位异或 第一个操作数的的第n位于第二个操作数的第n位相反，那么结果的第n为也为1，否则为06. & : 与运算 第一个操作数的的第n位于第二个操作数的第n位如果都是1，那么结果的第n为也为1，否则为07. | : 或运算 第一个操作数的的第n位于第二个操作数的第n位 只要有一个是1，那么结果的第n为也为1，否则为08. ~ : 非运算 操作数的第n位为1，那么结果的第n位为0，反之，也就是取反运算（一元操作符：只操作一个数）3. >>> : 无符号右移，忽略符号位，空位都以0补齐4. % : 模运算 取余5. ^ : 位异或 第一个操作数的的第n位于第二个操作数的第n位相反，那么结果的第n为也为1，否则为06. & : 与运算 第一个操作数的的第n位于第二个操作数的第n位如果都是1，那么结果的第n为也为1，否则为07. | : 或运算 第一个操作数的的第n位于第二个操作数的第n位 只要有一个是1，那么结果的第n为也为1，否则为08. ~ : 非运算 操作数的第n位为1，那么结果的第n位为0，反之，也就是取反运算（一元操作符：只操作一个数）好了，大概了解一下就好了，因为位运算平时在项目里真的用不上，在我们普通的业务项目里，代码易读性比这点位运算性能要重要的多。但是，在框架中，位运算的必要性就显示出来的了。因为需要服务大量的运算，性能要求也极高。 2. 为什么使用 hashcode 那么我们就说说为什么使用 hashcode ，hashCode 存在的第一重要的原因就是在 HashMap(HashSet 其实就是HashMap) 中使用（其实Object 类的 hashCode 方法注释已经说明了 ），我知道，HashMap 之所以速度快，因为他使用的是散列表，根据 key 的 hashcode 值生成数组下标（通过内存地址直接查找，没有任何判断），时间复杂度完美情况下可以达到 n1（和数组相同，但是比数组用着爽多了，但是需要多出很多内存，相当于以空间换时间）。 3. String 类型的 hashcode 方法 在 JDK 中，Object 的 hashcode 方法是本地方法，也就是用 c 语言或 c++ 实现的，该方法直接返回对象的 内存地址。这么做会有说明问题呢？我们用代码看看： class User{ String name; public User(String name) { this.name = name; } public static void main(String[] args) { Mapmap = new HashMap(); map.put(new User("hello"), "hello"); String hello = map.get(new User("hello")); System.out.println(hello); }} String name; public User(String name) { this.name = name; } public static void main(String[] args) { Mapmap = new HashMap(); map.put(new User("hello"), "hello"); String hello = map.get(new User("hello")); System.out.println(hello); }}这段代码打印出来的会是什么呢？ 答： null。 从某个角度说，这两个对象是一样的，因为名称一样，name 属性都是 hello，当我们使用这个 key 时，按照逻辑，应该返回 hello 给我们。但是，由于没有重写 hashcode 方法，JDK 默认使用 Object 类 native 的 hashCode 方法，返回的是什么呢？ 首先一个对象肯定有物理地址，网上有人把对象的hashcode说成是对象的地址，事实上这种看法是不全面的，确实有些JVM在实现时是直接返回对象的存储地址，但是大多时候并不是这样，只能说可能存储地址有一定关联。 如果我们重写 hashcode 和 equals 方法： @Overridepublic boolean equals(Object o) { if (this == o) { return true; } if (o == null || getClass() != o.getClass()) { return false; } Test1 test1 = (Test1) o; return Objects.equals(name, test1.name);}@Overridepublic int hashCode() { return Objects.hash(name);} if (this == o) { return true; } if (o == null || getClass() != o.getClass()) { return false; } Test1 test1 = (Test1) o; return Objects.equals(name, test1.name);}@Overridepublic int hashCode() { return Objects.hash(name);}再次运行：得到的结果就不是 null 了，而是 hello。 这才是比较符合逻辑，符合直觉的。 我们看看Objects.hash方法 public static int hash(Object... values) { return Arrays.hashCode(values);}}再打开Arrays.hashCode方法 public static int hashCode(Object a[]) { if (a == null) return 0; int result = 1; for (Object element : a) result = 31 * result + (element == null ? 0 : element.hashCode()); return result;} return 0; int result = 1; for (Object element : a) result = 31 * result + (element == null ? 0 : element.hashCode()); return result;}先往下看，在JDK 中，我们经常把 String 类型作为 key，那么 String 类型是如何重写 hashCode 方法的呢？ 我们看看代码： public int hashCode() { int h = hash; if (h == 0 && value.length > 0) { char val[] = value; for (int i = 0; i < value.length; i++) { h = 31 * h + val[i]; } hash = h; } return h;} if (h == 0 && value.length > 0) { char val[] = value; for (int i = 0; i < value.length; i++) { h = 31 * h + val[i]; } hash = h; } return h;}代码非常简单，就是使用 String 的 char 数组的数字每次乘以 31 再叠加最后返回，因此，每个不同的字符串，返回的 hashCode 肯定不一样。上面提到Arrays.hashCode方法也是乘以 31 再叠加，那么为什么使用 31 呢？ 4. 为什么大部分 hashcode 方法使用 31 在名著 《Effective Java》第 42 页就有对 hashCode 为什么采用 31 做了说明： 之所以使用 31， 是因为他是一个奇素数。如果乘数是偶数，并且乘法溢出的话，信息就会丢失，因为与2相乘等价于移位运算（低位补0）。使用素数的好处并不很明显，但是习惯上使用素数来计算散列结果。 31 有个很好的性能，即用移位和减法来代替乘法，可以得到更好的性能： 31 * i == (i > 16);} return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);} 乍看一下就是简单的异或运算和右移运算，但是为什么要异或呢？为什么要移位呢？而且移位16？ 在分析这个问题之前，我们需要先看看另一个事情，就是 HashMap 如何根据 hash 值找到数组中的对象，我们看看 get 方法的代码： final HashMap.NodegetNode(int hash, Object key) { HashMap.Node[] tab; HashMap.Nodefirst, e; int n; K k; if ((tab = table) != null && (n = tab.length) > 0 && // 我们需要关注下面这一行 (first = tab[(n - 1) & hash]) != null) { if (first.hash == hash && // always check first node ((k = first.key) == key || (key != null && key.equals(k)))) return first; if ((e = first.next) != null) { if (first instanceof HashMap.TreeNode) return ((HashMap.TreeNode)first).getTreeNode(hash, key); do { if (e.hash == hash && ((k = e.key) == key || (key != null && key.equals(k)))) return e; } while ((e = e.next) != null); } } return null;}我们看看代码中注释下方的一行代码： first = tab[(n - 1) & hash] 使用数组长度减一 与运算 hash 值。这行代码就是为什么要让前面的 hash 方法移位并异或。 我们分析一下： 首先，假设有一种情况， 对象 A 的 hashCode 为 1000010001110001000001111000000， 对象 B 的 hashCode 为 0111011100111000101000010100000。 如果数组长度是16，也就是 15 & (与运算)这两个数， 你会发现结果都是0。这样的散列结果太让人失望了。很明显不是一个好的散列算法。 但是如果我们将 hashCode 值右移 16 位，也就是取 int 类型的一半，刚好将该二进制数对半切开。并且使用位异或运算（如果两个数对应的位置相反，则结果为1，反之为0），这样的话，就能避免我们上面的情况的发生。 总的来说，使用位移 16 位和 异或 就是防止这种极端情况。但是，该方法在一些极端情况下还是有问题，比如： 10000000000000000000000000 和 1000000000100000000000000 这两个数，如果数组长度是16，那么即使右移16位，在异或，hash 值还是会重复。但是为了性能，对这种极端情况，JDK 的作者选择了性能。毕竟这是少数情况，为了这种情况去增加 hash 时间，性价比不高。 6. HashMap 为什么使用 & (与运算)代替模运算？ 好了，知道了 hash 算法的实现原理还有他的一些取舍，我们再看看刚刚说的那个根据hash计算下标的方法： tab[(n - 1) & hash] 其中 n 是数组的长度。其实该算法的结果和模运算的结果是相同的。但是，对于现代的处理器来说，除法和求余数（模运算）是最慢的动作。 上面情况下和模运算相同呢？ a % n == (n-1) & a，当n是2的指数时，等式成立。 我们说 & (与运算)的定义：与运算 第一个操作数的第n位与第二个操作数的第n位如果都是1，那么结果的第n为也为1，否则为0； 当 n 为 16 时， 与运算 101010100101001001101 时，也就是 1111 & 101010100101001001000 结果：1000 = 8 1111 & 101000101101001001001 结果：1001 = 9 1111 & 101010101101101001010 结果：1010 = 10 1111 & 101100100111001101100 结果：1100 = 12 可以看到，当 n 为 2 的幂次方的时候，减一之后就会得到 1111* 的数字，这个数字正好可以掩码。并且得到的结果取决于 hash 值。因为 hash 值是1，那么最终的结果也是1 ，hash 值是0，最终的结果也是0。 7. HashMap 的容量为什么建议是 2的幂次方？ 到这里，我们提了一个关键的问题： HashMap 的容量为什么建议是 2的幂次方？正好可以和上面的话题接上。 我们说，hash 算法的目的是为了让hash值均匀的分布在桶中（数组），那么，如何做到呢？试想一下，如果不使用 2 的幂次方作为数组的长度会怎么样？ 假设我们的数组长度是10，还是上面的公式： 1010 & 101010100101001001000 结果：1000 = 8 1010 & 101000101101001001001 结果：1000 = 8 1010 & 101010101101101001010 结果： 1010 = 10 1010 & 101100100111001101100 结果： 1000 = 8 看到结果我们惊呆了，这种散列结果，会导致这些不同的key值全部进入到相同的插槽中，形成链表，性能急剧下降。 所以说，我们一定要保证 & 中的二进制位全为 1，才能最大限度的利用 hash 值，并更好的散列，只有全是1 ，才能有更多的散列结果。如果是 1010，有的散列结果是永远都不会出现的，比如 0111，0101，1111，1110…，只要 & 之前的数有 0， 对应的 1 肯定就不会出现（因为只有都是1才会为1）。大大限制了散列的范围。 8. 我们自定义 HashMap 容量最好是多少？ 那我们如何自定义呢？自从有了阿里的规约插件，每次楼主都要初始化容量，如果我们预计我们的散列表中有2个数据，那么我就初始化容量为2吗？ 绝对不行，如果大家看过源码就会发现，如果Map中已有数据的容量达到了初始容量的 75%，那么散列表就会扩容，而扩容将会重新将所有的数据重新散列，性能损失严重，所以，我们可以必须要大于我们预计数据量的 1.34 倍，如果是2个数据的话，就需要初始化 2.68 个容量。当然这是开玩笑的，2.68 不可以，3 可不可以呢？肯定也是不可以的，我前面说了，如果不是2的幂次方，散列结果将会大大下降。导致出现大量链表。那么我可以将初始化容量设置为4。 当然了，如果你预计大概会插入 12 条数据的话，那么初始容量为16简直是完美，一点不浪费，而且也不会扩容。 总结 好了，分析完了 hashCode 和 hash 算法，让我们对 HashMap 又有了全新的认识。当然，HashMap 中还有很多有趣的东西值得挖掘。 总的来说，通过今天的分析，对我们今后使用 HashMap 有了更多的把握，也能够排查一些问题，比如链表数很多，肯定是数组初始化长度不对，如果某个map很大，注意，肯定是事先没有定义好初始化长度，假设，某个Map存储了10000个数据，那么他会扩容到 20000，实际上，根本不用 20000，只需要 10000* 1.34= 13400 个，然后向上找到一个2 的幂次方，也就是 16384 初始容量足够。 想看HashMap完整源码详解请查看：Java集合深度解析之HashMap 转自： https://blog.csdn.net/qq_38182963/article/details/78940047 陛下...看完奏折，点个赞再走吧！ 推荐阅读 技术：前后端分离--整套解决方案 技术：Java面试必备技能 技术：docker私有仓库搭建，证书认证，鉴权管理 技术：如何成功抢到回家的火车票！ 技术：Linux 命令行快捷键 技术：超详细黑苹果安装图文教程送EFI配置合集及系统 技术：恐怖的广告推送。其实，我们每天都在“裸奔”！ 技术：如果我不说，你能看出这个主播不是真人吗？ 技术：IaaS,PaaS和SaaS，QPS,RT和TPS，PV,UV和IP到底是什么意思？ 技术：项目多环境切换——Maven Profile 工具：如何通过技术手段 “干掉” 视频APP里讨厌广告？ 工具：通过技术手段 “干掉” 视频APP里讨厌的广告之（腾讯视频） 博主12年java开发经验，现从事智能语音工作的研发，关注微信公众号与博主进行技术交流！更过干货资源等你来拿！
|
【本文地址】